一种MIMO-OFDM系统量化噪声消除方法、介质及设备技术方案

本发明专利技术公开了一种MIMO‑OFDM系统量化噪声消除方法、介质及设备，使用混合高斯模型拟合量化器产生的量化噪声e，利用量化后的MIMO‑OFDM系统接收信号，得到量化噪声e的概率密度分布函数；将信道中存在的高斯白噪声与量化噪声e结合作为误差总和q，构建总的系统误差模型；使用期望最大化方法计算构建的系统误差模型中的参数；根据系统误差模型中的参数，结合广义近似消息传递方法从接收信号中恢复发送信号，实现噪声消除。本发明专利技术对ADC产生的误差进行非高斯误差分布拟合，并提出了基于此误差模型的EM‑GAMP数据检测方法，提高了数据检测的准确性。

【技术实现步骤摘要】
一种MIMO-OFDM系统量化噪声消除方法、介质及设备
本专利技术属于无线通信
，具体涉及一种MIMO-OFDM系统量化噪声消除方法、介质及设备。
技术介绍
MIMO-OFDM系统是将MIMO技术与OFDM技术相结合，在带宽较大的频谱上划分出更多正交子载波的通信系统。OFDM可以提高MIMO在频率选择性信道下的抗干扰能力并简化接收机的复杂度，MIMO可以利用空间自由度提升OFDM的传输速率，两个技术结合可以在无线信号传输中形成一定的优势互补。MIMO-OFDM技术带来的信道容量提升，使其在高速数据传输中极具应用潜力，在无线通信系统中大规模使用MIMO-OFDM技术去提高通信质量是必然趋势。但是，信号处理的硬件复杂度和功耗会随着天线数量的增加而增加，为了降低功率和硬件成本，MIMO系统会采用高速但低分辨率的ADC去替代高分辨率ADC，但这样不可避免地引入了量化噪声。在许多使用ADC的MIMO-OFDM系统架构的研究中，量化噪声被视为加性的高斯白噪声或受量化比特数限制的均匀分布噪声，这种假设的精确性仍有待提高，特别是在系统中使用低精度ADC时。许多研究表明由量化引起的量化噪声是高度非高斯分布的，将量化噪声视为高斯白噪声会导致更严重的数据检测偏差。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种MIMO-OFDM系统量化噪声消除方法、介质及设备，解决使用ADC的MIMO-OFDM系统数据检测问题，通过借助对非高斯量化噪声分布拟合，完成数据检测的目的。>本专利技术采用以下技术方案：一种MIMO-OFDM系统量化噪声消除方法，包括以下步骤：S1、使用混合高斯模型拟合量化器产生的量化噪声e，利用量化后的MIMO-OFDM系统接收信号，得到量化噪声e的概率密度分布函数；S2、将信道中存在的高斯白噪声与量化噪声e结合作为误差总和q，构建总的系统误差模型；S3、使用期望最大化方法计算步骤S2构建的系统误差模型中的参数；S4、根据步骤S3得到的系统误差模型中的参数，结合广义近似消息传递方法从接收信号中恢复发送信号，实现噪声消除。具体的，步骤S1中，量化噪声e用混合高斯模型表示如下：其中，J为混合高斯阶数，θj、ωj和φj分别为第j个高斯分量的系数、均值和协方差矩阵。具体的，步骤S2中，误差总和q用混合高斯模型表示为：其中，K为混合高斯阶数，μk、λk和Σk分别为第k个高斯分量的系数、均值和协方差矩阵。具体的，步骤S3具体为：对系统中误差总和q选择高斯阶数，高斯分量为2～4个；设置初始迭代值，对角化接收信号属于对应高斯分类的相对概率，得到接收信号的加权最小二乘矩阵，更新误差总和q的参数，通过循环迭代计算获得系统误差模型的混合高斯参数。进一步的，具体步骤如下：S301、设置初始迭代值，设置混合高斯模型中高斯分量的均值为0，计算出第t次迭代时接收信号中的第n行第d列元素属于第k个高斯分量的相对概率：其中，t为迭代次数，xmd(t)是第t次迭代时发送信号矩阵中第m行第d列元素，是接收信号中第n行第d列元素，hnm是信道矩阵中第n行第m列的元素，n取值范围为1～N，m取值1～M，k取值1～K，λk(t)为第t次迭代时第k个高斯分量的均值，Σk(t)为第t次迭代时第k个高斯分量的协方差；S302、借助第t次迭代时接收信号中的第n行第d列元素属于第k个高斯分量的相对概率ok(n,d,t)，将计算得到的所有元素属于第k个高斯分量的相对概率构建对角矩阵如下：O′k(d,t)＝diag[ok(1,d,t),ok(2,d,t),...,ok(N,d,t)]S303、借助对角矩阵O′k(d,t)，计算得到第t次接收信号的加权最小二乘矩阵如下：S304、借助加权最小二乘矩阵、相对概率、接收信号、信道矩阵和第t次迭代时发送信号矩阵，q的混合高斯模型参数如下：其中，x(t)是第t次迭代时发送信号矩阵，H是信道矩阵；S305、通过循环迭代计算，获得最终的混合高斯参数。具体的，步骤S4中，借助误差模型参数，结合广义近似消息传递算法的数据检测方法具体为：S401、将Hx的乘积用z表示，量化后的接收信号为假设参数z服从的复高斯分布，w为复高斯分布的均值，vw为复高斯分布的协方差；S402、求解非线性计算问题时，结合先验概率分布和条件概率分布得到z的后验概率分布S403、根据接收信号的条件概率分布与z的先验概率分布p(z)乘积，得到步骤S402中z的方差和期望；S404、根据步骤S403中得到的z的方差和期望，计算残差分量s的逆方差矩阵和期望；S405、利用残差分量s的逆方差矩阵和期望，计算x的相关辅助参数r；S406、假设发送信号经过QAM调制，从星座点中随机挑选xmd，获得x的均值和方差，恢复发送信号。进一步的，x的均值和方差计算为：其中，xmd是x的均值矩阵中第m行第d列元素，是x的协方差矩阵中第m行第d列元素，表示信道矩阵协方差矩阵第n行第m列元素。更进一步的，步骤S406中，随机挑选xmd具体为：其中，c＝{1,2,3,...,C}。本专利技术的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。本专利技术的另一个技术方案是，一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术一种MIMO-OFDM系统量化噪声消除方法，对使用ADC的MIMO-OFDM系统量化输出进行非高斯误差分布拟合；将信道中存在的高斯白噪声与量化噪声结合看作总的误差；使用期望最大化算法迭代求出模型参数；根据接收信号和估计的信道信息，通过贝叶斯推理方法得到隐变量的均值与方差，估计出发送信号；本专利技术相较传统研究，提出了对ADC产生的误差进行非高斯误差分布拟合，并提出了基于此误差模型的EM-GAMP数据检测算法，提高了数据检测的准确性。进一步的，用混合高斯模型表示量化噪声e，实现对量化噪声的概率密度函数进行拟合。进一步的，将量化噪声和系统中存在的高斯白噪声视为总的误差，通过步骤S2实现对总的误差分布进行共同拟合。进一步的，对系统中误差总和q选择高斯阶数，高斯分量为2～4个，目的是更好的准确拟合噪声的分布；设置初始迭代值，对角化接收信号属于某个高斯分类的相对概率，得到接收信号的加权最小二乘矩阵，实现了误差总和q的参数的迭代更新。进一步的，通过步骤S3获取误差总和q的概率密度函数参数。进本文档来自技高网...

【技术保护点】
1.一种MIMO-OFDM系统量化噪声消除方法，其特征在于，包括以下步骤：/nS1、使用混合高斯模型拟合量化器产生的量化噪声e，利用量化后的MIMO-OFDM系统接收信号，得到量化噪声e的概率密度分布函数；/nS2、将信道中存在的高斯白噪声与量化噪声e结合作为误差总和q，构建总的系统误差模型；/nS3、使用期望最大化方法计算步骤S2构建的系统误差模型中的参数；/nS4、根据步骤S3得到的系统误差模型中的参数，结合广义近似消息传递方法从接收信号中恢复发送信号，实现噪声消除。/n

【技术特征摘要】
1.一种MIMO-OFDM系统量化噪声消除方法，其特征在于，包括以下步骤：
S1、使用混合高斯模型拟合量化器产生的量化噪声e，利用量化后的MIMO-OFDM系统接收信号，得到量化噪声e的概率密度分布函数；
S2、将信道中存在的高斯白噪声与量化噪声e结合作为误差总和q，构建总的系统误差模型；
S3、使用期望最大化方法计算步骤S2构建的系统误差模型中的参数；
S4、根据步骤S3得到的系统误差模型中的参数，结合广义近似消息传递方法从接收信号中恢复发送信号，实现噪声消除。


2.根据权利要求1所述的方法，其特征在于，步骤S1中，量化噪声e用混合高斯模型表示如下：



其中，J为混合高斯阶数，θj、ωj和φj分别为第j个高斯分量的系数、均值和协方差矩阵。


3.根据权利要求1所述的方法，其特征在于，步骤S2中，误差总和q用混合高斯模型表示为：



其中，K为混合高斯阶数，μk、λk和Σk分别为第k个高斯分量的系数、均值和协方差矩阵。


4.根据权利要求1所述的方法，其特征在于，步骤S3具体为：对系统中误差总和q选择高斯阶数，高斯分量为2～4个；设置初始迭代值，对角化接收信号属于对应高斯分类的相对概率，得到接收信号的加权最小二乘矩阵，更新误差总和q的参数，通过循环迭代计算获得系统误差模型的混合高斯参数。


5.根据权利要求4所述的方法，其特征在于，具体步骤如下：
S301、设置初始迭代值，设置混合高斯模型中高斯分量的均值为0，计算出第t次迭代时接收信号中的第n行第d列元素属于第k个高斯分量的相对概率：



其中，t为迭代次数，xmd(t)是第t次迭代时发送信号矩阵中第m行第d列元素，是接收信号中第n行第d列元素，hnm是信道矩阵中第n行第m列的元素，n取值范围为1～N，m取值1～M，k取值1～K，λk(t)为第t次迭代时第k个高斯分量的均值，Σk(t)为第t次迭代时第k个高斯分量的协方差；
S302、借助第t次迭代时接收信号中的第n行第d列元素属于第k个高斯分量的相对概率ok(n,d,t)，将计算得到的所有元素属于第k个高斯分量的相对概率构建对角矩阵如下：
O′k(d,t)＝diag[ok(1,d,t),ok(2,d,t),...,ok(N,d,t...

【专利技术属性】
技术研发人员：李锋，田培婷，赵天妤，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61